MétaCan
Menu
Retour à la cohorte
Enregistrement W3121536166

Technological Progress, Organizational Change and the Size of the Human Resources Department ♣

2008· article· en· W3121536166 sur OpenAlexaff
Patricia Crifo

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic Policies and Impacts
Établissements canadiensCenter for Interuniversity Research and Analysis on Organizations
Organismes subventionnairesnon disponible
Mots-clésHuman capitalTechnological changeHuman resourcesHuman resource managementIndustrial organizationBusinessOrganizational changeHuman multitaskingKnowledge managementOperations managementLabour economicsEconomicsComputer scienceManagementPublic relationsEconomic growthMacroeconomics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Mots clés: Les changements organisationnels reposant sur la polyvalence et les TIC qui se sont diffusés dans la plupart des pays de l'OCDE depuis les années 1990 ont de fortes conséquences sur les conditions de travail. Les données disponibles montrent, parallèlement à l'émergence de nouvelles formes organisationnelles fondées sur la polyvalence, une augmentation de la main d'oeuvre employée dans les postes managériaux et une augmentation des besoins en qualification. Cet article propose un modèle théorique analysant l'allocation optimale du nombre de tâches par individu lorsque le passage à une organisation fondée sur la polyvalence accroît les coûts de coordination entre les individus et les tâches. Les entreprises peuvent réduire ces coûts de coordination en affectant plus de salariés à la gestion des ressources humaines. Le capital humain est accumulé de manière endogène par les travailleurs. Le modèle reproduit assez bien les régularités observées dans les données. En particulier, des accélérations technologiques endogènes tendent à accroître à la fois le nombre de tâches réalisées et les besoins en qualification, tout en augmentant la part de la main d ' qui se consacre à la gestion des

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,651
Score d'incertitude au seuil0,350

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,050
Tête enseignante GPT0,211
Écart entre enseignants0,161 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEconomic Policies and ImpactsTravaux en français237 207